CN103913435B - 一种基于多源信息融合的潲水油快速检测方法及装置 - Google Patents
一种基于多源信息融合的潲水油快速检测方法及装置 Download PDFInfo
- Publication number
- CN103913435B CN103913435B CN201410166884.8A CN201410166884A CN103913435B CN 103913435 B CN103913435 B CN 103913435B CN 201410166884 A CN201410166884 A CN 201410166884A CN 103913435 B CN103913435 B CN 103913435B
- Authority
- CN
- China
- Prior art keywords
- sample
- content
- triacylglycerol
- benzo
- pyrene
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多源信息融合的潲水油快速检测方法及装置。依次采集样本的近光谱、三维同步荧光及激光诱导击穿光谱;根据近红外光谱信息检测样本的胆固醇和三酰甘油聚合物含量,根据三维同步荧光光谱信息检测样本的苯并(a)芘含量,根据激光诱导击穿光谱信息检测样本的重金属含量。将样本的胆固醇、三酰甘油聚合物、苯并(a)芘及重金属含量分别与设定的阈值进行比较,当某一含量大于设定的阈值时,样本被检测为潲水油。该方法可以用于不同来源潲水油的现场快速判别检测。
Description
技术领域
本发明涉及农产品/食品安全检测技术领域,尤其涉及一种基于多源信息融合的潲水油快速检测方法及装置。
背景技术
潲水油又称为泔水油,为下水道中的油腻漂浮物或者酒楼、宾馆的剩饭、剩菜收集后的上层浮油,经过简单加工、提炼出的油。潲水油回收、加工及提炼等过程卫生环境恶劣,导致潲水油中含有多种有毒有害成分,黄曲霉毒素、重金属、细菌等严重超标。不法商人为谋取暴利,将潲水油掺入合格食用植物油或直接作为合格食用植物油出售,危害人们的身体健康。
目前,潲水油现有的检测方法有气相色谱法、高效液相色谱法、电感耦合等离子体质谱法、气相色谱-质谱联用法、电导率测定法等。潲水油来源复杂,上述方法仅能用于某一特定来源的潲水油检测,缺乏广泛的适用性。此外,存在操作过程繁琐、耗时长、成本高等缺点,不能实现现场快速检测。
发明内容
本发明的目的在于提供一种基于多源信息融合的潲水油快速检测方法及装置。
本发明采用如下技术方案:
本发明的基于多源信息融合的潲水油快速检测方法的具体步骤如下:
(1)依次采集样本的近红外、三维同步荧光及激光诱导击穿光谱;
(2)对样本的近红外光谱进行高斯滤波处理,提取样本胆固醇和三酰甘油聚合物的特征光谱波长的吸光度,并分别输入到胆固醇和三酰甘油聚合物检测模型中,得到样本的胆固醇和三酰甘油聚合物含量;
(3)对样本的三维同步荧光光谱进行标准归一化处理,提取苯并(a)芘特征峰的峰值和曲线形状参数,将特征峰的峰值和曲线形状参数输入到苯并(a)芘检测模型中,得到样本的苯并(a)芘含量;
(4)扣除样本激光诱导击穿光谱的噪声和背景信号,提取铁、锰、铬、锌、砷、铅重金属元素特征谱线的强度,并将特征谱线强度输入到相应的重金属检测模型中,得到样本的铁、锰、铬、锌、砷、铅含量,并计算总重金属含量;
(5)将检测模型得到的样本胆固醇、三酰甘油聚合物、苯并(a)芘及总重金属含量分别与设定的阈值进行比较,当上述某一含量超过设定的阈值时,该样本被检测为潲水油。所述的设定的阈值,胆固醇阈值为15 mg/kg,三酰甘油聚合物阈值为0.03 g/g,苯并(a)芘阈值为100 μg/kg,总重金属阈值为1.2 mg/kg。
所述的胆固醇和三酰甘油聚合物检测模型的建立包括以下步骤:
(1)获取不同来源不同含量胆固醇和三酰甘油聚合物的食用植物油样本,采集样本的近红外光谱;
(2)采用国家标准方法分别测定样本中的胆固醇和三酰甘油聚合物含量;所述的国家标准方法是GB/T 22220-2008及GB/T 26636-2011;
(3)对光谱进行高斯滤波处理,采用遗传算法结合竞争性自适应重加权算法分别获得胆固醇和三酰甘油聚合物的特征光谱波长;
(4)应用混沌径向基神经网络将胆固醇和三酰甘油聚合物的特征光谱波长的吸光度值与相应的真实含量值进行关联,分别建立胆固醇和三酰甘油聚合物检测模型。
所述的苯并(a)芘检测模型的建立包括以下步骤:
(1)获取不同来源不同含量苯并(a)芘的食用植物油样本,采集样本的三维同步荧光光谱;
(2)采用国家标准方法测定样本中的苯并(a)芘含量;所述的国家标准方法是GB/T5009.27-2003;
(3)对光谱进行标准归一化处理,对比不同样本光谱的等高线谱图,确定苯并(a)芘的光谱特征峰,提取特征峰的峰值和曲线形状参数;
(4)应用稀疏偏最小二乘法将苯并(a)芘光谱特征峰的峰值及曲线形状参数与其真实含量值进行关联,建立苯并(a)芘检测模型。
所述的重金属检测模型的建立包括以下步骤:
(1)获取不同来源不同含量重金属的食用植物油样本,采集样本的激光诱导击穿光谱;
(2)扣除样本激光诱导击穿光谱的噪声和背景信号,通过对比标准样品和相似性测度方法确定铁、锰、铬、锌、砷、铅重金属元素的特征谱线;
(3)采用国家标准方法分别测定样本中的铁、锰、铬、锌、砷、铅重金属含量;所述的国家标准方法是GB/T 5009.90-2003、GB/T 5009.14-2003、GB/T 5009.123-2003、GBT5009.11-2003及GB 5009.12-2010;
(4)应用多核学习矩阵化最小二乘支持向量机将铁、锰、铬、锌、砷、铅重金属元素的特征谱线的强度与相应的重金属元素含量进行关联,分别建立铁、锰、铬、锌、砷、铅重金属元素检测模型。
本发明的基于多源信息融合的潲水油快速检测装置包括计算机、近红外光谱仪、荧光光谱仪、多通道CCD光谱仪、光路切换装置、光纤、聚焦透镜Ⅰ、载物台、卤光灯、氙弧灯、聚焦透镜Ⅱ和激光器组成;计算机分别与近红外光谱仪、荧光光谱仪和多通道CCD光谱仪连接,近红外光谱仪、荧光光谱仪和多通道CCD光谱仪分别与光路切换装置连接,光路切换装置连接光纤,光纤下方设有聚焦透镜Ⅰ,聚焦透镜Ⅰ下方是载物台,载物台的一侧设有卤光灯,上方设有氙弧灯和激光器,激光器前方设有聚焦透镜Ⅱ。
载物台设有盛放样本的石英器皿。
激光器与聚焦透镜Ⅱ之间设有反射镜。
本发明的积极效果如下:
本发明的基于多源信息融合的潲水油快速检测方法具有无需样品预处理、非破坏性、快速实时检测的优点,且可以适用于不同来源潲水油的快速检测。
附图说明
图1是本发明的基于多源信息融合的潲水油快速检测装置的示意图
图中:1、激光束;2、激光器;3、聚焦透镜Ⅱ;4、氙弧灯;5、氙弧灯光束;6、卤素灯光束;7、卤素灯;8、石英器皿;9、载物台;10、样本;11、聚焦透镜Ⅰ;12、光纤;13、计算机;14、近红外光谱仪;15、荧光光谱仪;16、多通道CCD光谱仪;17、光路切换装置;18、反射镜。
具体实施方式
下面的实施例是对本发明的进一步详细描述。
本具体实施例以300个不同来源、不同胆固醇、三酰甘油聚合物、苯并(a)芘及重金属含量的食用植物油样本和3个未知来源的食用植物油样本为例。3个未知来源的食用植物油样本分别记为样本A、样本B及样本C。300个食用植物油样本用于建立胆固醇、三酰甘油聚合物、苯并(a)芘及重金属检测模型,3个未知来源的食用植物油样本作为待检测样本,判断其是否为潲水油。
如图1所示,本实施例的基于多源信息融合的潲水油快速检测方法,将样本A作为样本10装入位于载物台9上的石英器皿8里,调整光路切换装置17,使光纤12仅与近红外光谱仪14连通,打开卤素灯7使卤素灯光束6照射位于石英器皿8里的样本10,从样本10表面射出的光由聚焦透镜Ⅰ11汇聚,再通过光纤12由近红外光谱仪14收集,从而得样本10的近红外光谱,最后将样本10的近红外光谱保存到计算机13中。
关闭卤素灯6,调整光路切换装置17,使光纤12仅与荧光光谱仪15连通,打开氙弧灯4,使氙弧灯光束5照射样本10,从样本10表面射出的光由聚焦透镜Ⅰ11汇聚,再通过光纤12由荧光光谱仪15收集,从而获得样本10的三维同步荧光光谱,最后将样本10的三维同步荧光光谱保存到计算机13中。
关闭氙弧灯4,调整光路切换装置17,使光纤12仅与多通道CCD光谱仪16连通,打开激光器2,使激光束1照射样本10,从样本10表面射出的光由聚焦透镜Ⅰ11汇聚,再通过光纤12由多通道CCD光谱仪16收集,从而获得样本10的激光诱导击穿光谱。最后将样本10的激光诱导击穿光谱保存到计算机13中。关闭激光器2。
再按上述步骤,获取样本B、样本C及300个不同来源、不同胆固醇、三酰甘油聚合物、苯并(a)芘及重金属含量的食用植物油样本的近红外、三维同步荧光及激光诱导击穿光谱。
采用国家标准方法GB/T 22220-2008及GB/T 26636-2011分别测定300个样本中的胆固醇和三酰甘油聚合物含量;对300个样本的近红外光谱进行高斯滤波处理,先采用遗传算法进行特征波长筛选,再应用竞争性自适应重加权算法在遗传算法的基础进行特征波长筛选,分别获得胆固醇和三酰甘油聚合物的特征光谱波长,并提取胆固醇和三酰甘油聚合物的相应特征波长的吸光度值;应用混沌径向基神经网络将300个样本的胆固醇和三酰甘油聚合物的特征光谱波长的吸光度值与相应的真实含量值进行关联,分别建立胆固醇和三酰甘油聚合物检测模型。
采用国家标准方法GB/T 5009.27-2003测定300个样本的苯并(a)芘含量;对300个样本的三维同步荧光光谱,利用光谱的均值和标准差进行标准归一化处理,通过对比300个样本光谱的等高线谱图,确定苯并(a)芘的光谱特征峰,并提取特征峰的峰值和曲线形状参数;应用稀疏偏最小二乘法将300个样本的苯并(a)芘光谱特征峰的峰值及曲线形状参数与其真实含量值进行关联,建立苯并(a)芘检测模型。
采用国家标准方法GB/T 5009.90-2003、GB/T 5009.14-2003、GB/T 5009.123-2003、GBT5009.11-2003及GB 5009.12-2010测定300个样本的铁、锰、铬、锌、砷、铅重金属含量;扣除300个样本的激光诱导击穿光谱的噪声和背景信号,通过对比标准样品和相似性测度方法确定铁、锰、铬、锌、砷、铅重金属元素的特征谱线;应用多核学习矩阵化最小二乘支持向量机将300个样本的铁、锰、铬、锌、砷、铅重金属元素的特征谱线的强度与相应的重金属元素含量进行关联,分别建立铁、锰、铬、锌、砷、铅重金属元素检测模型。
对样本A的近红外光谱进行高斯滤波处理,根据采用遗传算法结合竞争性自适应重加权算法已确定的胆固醇和三酰甘油聚合物的特征光谱波长,提取样本A的胆固醇和三酰甘油聚合物的相应特征光谱波长的吸光度值,并将吸光度值分别输入到胆固醇和三酰甘油聚合物检测模型中,得到样本A的胆固醇和三酰甘油聚合物含量分别为0.5 mg/kg和0.01g/g。
对样本A的三维同步荧光光谱,采用样本A荧光光谱的均值和标准差进行标准归一化处理,根据采用等高线谱图方法已确定的苯并(a)芘特征峰,提取样本A的苯并(a)芘相应的特征峰的峰值和曲线形状参数。将特征峰的峰值和曲线形状参数输入到苯并(a)芘检测模型中,得到样本A的苯并(a)芘含量为5.2 μg/kg。
扣除样本A的激光诱导击穿光谱的噪声和背景信号,根据对比标准样品和相似性测度方法已确定的铁、锰、铬、锌、砷、铅重金属元素特征谱线,提取铁、锰、铬、锌、砷、铅重金属元素相应的特征谱线的强度,并将特征谱线强度输入到相应的重金属检测模型中,得到样本A的铁、锰、铬、锌、砷、铅含量,并计算总重金属含量为0.12 mg/kg。
按上述步骤,对样本B和样本C的近红外、三维同步荧光及激光诱导击穿光谱进行相同处理,获得样本B的胆固醇、三酰甘油聚合物、苯并(a)芘及总重金属含量分别为50 mg/kg、0.015 g/g、7.2μg/kg及2.7 mg/kg;样本C的胆固醇、三酰甘油聚合物、苯并(a)芘及总重金属含量分别为1.2 mg/kg、0.018 g/g、4.7μg/kg及5.0 mg/kg;
将检测模型得到的样本A、样本B及样本C的胆固醇、三酰甘油聚合物、苯并(a)芘及总重金属含量分别与设定的阈值进行比较。样本A的胆固醇、三酰甘油聚合物、苯并(a)芘及总重金属含量均小于设定的阈值,样本B的胆固醇含量大于设定的阈值,样本C的总金属含量大于设定的阈值。因此样本A被检测为非潲水油,样本B和样本C被检测为潲水油。所述的设定的阈值,胆固醇阈值为15 mg/kg,三酰甘油聚合物阈值为0.03 g/g,苯并(a)芘阈值为100 μg/kg,总重金属阈值为1.2 mg/kg。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于多源信息融合的潲水油快速检测方法,其特征在于:所述方法的具体步骤如下:
(1)依次采集样本的近红外、三维同步荧光及激光诱导击穿光谱;
(2)对样本的近红外光谱进行高斯滤波处理,提取样本胆固醇和三酰甘油聚合物的特征光谱波长的吸光度,并分别输入到胆固醇和三酰甘油聚合物检测模型中,得到样本的胆固醇和三酰甘油聚合物含量;
(3)对样本的三维同步荧光光谱进行标准归一化处理,提取苯并(a)芘特征峰的峰值和曲线形状参数,将特征峰的峰值和曲线形状参数输入到苯并(a)芘检测模型中,得到样本的苯并(a)芘含量;
(4)扣除样本激光诱导击穿光谱的噪声和背景信号,提取铁、锰、铬、锌、砷、铅重金属元素特征谱线的强度,并将特征谱线强度输入到相应的重金属检测模型中,得到样本的铁、锰、铬、锌、砷、铅含量,并计算总重金属含量;
(5)将检测模型得到的样本胆固醇、三酰甘油聚合物、苯并(a)芘及总重金属含量分别与设定的阈值进行比较,当上述某一含量超过设定的阈值时,该样本被检测为潲水油;
所述的胆固醇和三酰甘油聚合物检测模型的建立包括以下步骤:
(2.1)获取不同来源不同含量胆固醇和三酰甘油聚合物的食用植物油样本,采集样本的近红外光谱;
(2.2)采用GB/T 22220-2008及GB/T 26636-2011国家标准方法分别测定样本中的胆固醇和三酰甘油聚合物含量;
(2.3)对光谱进行高斯滤波处理,采用遗传算法结合竞争性自适应重加权算法分别获得胆固醇和三酰甘油聚合物的特征光谱波长;
(2.4)应用混沌径向基神经网络将胆固醇和三酰甘油聚合物的特征光谱波长的吸光度值与相应的真实含量值进行关联,分别建立胆固醇和三酰甘油聚合物检测模型;
所述的苯并(a)芘检测模型的建立包括以下步骤:
(3.1)获取不同来源不同含量苯并(a)芘的食用植物油样本,采集样本的三维同步荧光光谱;
(3.2)采用GB/T 5009.27-2003国家标准方法测定样本中的苯并(a)芘含量;
(3.3)对光谱进行标准归一化处理,对比不同样本光谱的等高线谱图,确定苯并(a)芘的光谱特征峰,提取特征峰的峰值和曲线形状参数;
(3.4)应用稀疏偏最小二乘法将苯并(a)芘光谱特征峰的峰值及曲线形状参数与其真实含量值进行关联,建立苯并(a)芘检测模型;
所述的重金属检测模型的建立包括以下步骤:
(4.1)获取不同来源不同含量重金属的食用植物油样本,采集样本的激光诱导击穿光谱;
(4.2)扣除样本激光诱导击穿光谱的噪声和背景信号,通过对比标准样品和相似性测度方法确定铁、锰、铬、锌、砷、铅重金属元素的特征谱线;
(4.3)采用GB/T 5009.90-2003、GB/T 5009.14-2003、GB/T 5009.123-2003、GB/T5009.11-2003及GB 5009.12-2010国家标准方法分别测定样本中的铁、锰、铬、锌、砷、铅重金属含量;
(4.4)应用多核学习矩阵化最小二乘支持向量机将铁、锰、铬、锌、砷、铅重金属元素的特征谱线的强度与相应的重金属元素含量进行关联,分别建立铁、锰、铬、锌、砷、铅重金属元素检测模型。
2.一种基于多源信息融合的潲水油快速检测装置,其特征在于:所述装置包括计算机(13)、近红外光谱仪(14)、荧光光谱仪(15)、多通道CCD光谱仪(16)、光路切换装置(17)、光纤(12)、聚焦透镜Ⅰ(11)、载物台(9)、卤光灯(7)、氙弧灯(4)、聚焦透镜Ⅱ(3)和激光器(2)组成;计算机(13)分别与近红外光谱仪(14)、荧光光谱仪(15)和多通道CCD光谱仪(16)连接,近红外光谱仪(14)、荧光光谱仪(15)和多通道CCD光谱仪(16)分别与光路切换装置(17)连接,光路切换装置(17)连接光纤(12),光纤(12)下方设有聚焦透镜Ⅰ(11),聚焦透镜Ⅰ(11)下方是载物台(9),载物台(9)的一侧设有卤光灯(7),上方设有氙弧灯(4)和激光器(2),激光器(2)前方设有聚焦透镜Ⅱ(3)。
3.根据权利要求2所述的基于多源信息融合的潲水油快速检测装置,其特征在于:载物台(9)设有盛放样本(10)的石英器皿(8)。
4.根据权利要求2所述的基于多源信息融合的潲水油快速检测装置,其特征在于:激光器(2)与聚焦透镜Ⅱ(3)之间设有反射镜(18)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410166884.8A CN103913435B (zh) | 2014-04-24 | 2014-04-24 | 一种基于多源信息融合的潲水油快速检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410166884.8A CN103913435B (zh) | 2014-04-24 | 2014-04-24 | 一种基于多源信息融合的潲水油快速检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103913435A CN103913435A (zh) | 2014-07-09 |
CN103913435B true CN103913435B (zh) | 2017-02-01 |
Family
ID=51039280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410166884.8A Expired - Fee Related CN103913435B (zh) | 2014-04-24 | 2014-04-24 | 一种基于多源信息融合的潲水油快速检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103913435B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483292B (zh) * | 2014-12-30 | 2017-06-13 | 华中科技大学 | 一种采用多谱线比值法提高激光探针分析精确度的方法 |
CN104597013B (zh) * | 2015-01-08 | 2018-01-23 | 内蒙古科技大学 | 一种荧光光谱法测胆固醇含量鉴别地沟油的方法 |
CN104865220B (zh) * | 2015-05-27 | 2017-07-14 | 中国矿业大学 | 基于特异性成分和宽频太赫兹吸收光谱的地沟油检测方法 |
CN105092540B (zh) * | 2015-06-16 | 2017-09-19 | 江西农业大学 | 一种食用油中重金属铅含量的快速高精度检测方法 |
CN109142499B (zh) * | 2017-06-16 | 2021-10-08 | 中国石油化工股份有限公司 | 原位微区同位素定年装置及方法 |
CN107121394A (zh) * | 2017-07-11 | 2017-09-01 | 江西农业大学 | 禽肉中兽药残留的荧光光谱检测装置 |
CN109884282B (zh) * | 2019-01-29 | 2022-01-28 | 淮阴工学院 | 基于grnn神经网络的新型地沟油检测方法及其检测系统 |
CN111624192B (zh) * | 2020-06-04 | 2022-12-16 | 杭州岚达科技有限公司 | 一种多源光谱融合的滇龙胆种类识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661936A (zh) * | 2012-05-16 | 2012-09-12 | 江西农业大学 | 便携式重金属检测装置 |
CN203811536U (zh) * | 2014-04-24 | 2014-09-03 | 江西农业大学 | 一种基于多源信息融合的潲水油快速检测装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6749810B2 (en) * | 2000-06-20 | 2004-06-15 | Gary W. Clem, Inc. | Method and apparatus for presenting grain for NIR spectography examination |
-
2014
- 2014-04-24 CN CN201410166884.8A patent/CN103913435B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661936A (zh) * | 2012-05-16 | 2012-09-12 | 江西农业大学 | 便携式重金属检测装置 |
CN203811536U (zh) * | 2014-04-24 | 2014-09-03 | 江西农业大学 | 一种基于多源信息融合的潲水油快速检测装置 |
Non-Patent Citations (1)
Title |
---|
孙通 等.地沟油鉴别的研究现状与展望.《食品工业科技》.2012,(第24期), * |
Also Published As
Publication number | Publication date |
---|---|
CN103913435A (zh) | 2014-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103913435B (zh) | 一种基于多源信息融合的潲水油快速检测方法及装置 | |
Li et al. | Geographical traceability of wild Boletus edulis based on data fusion of FT-MIR and ICP-AES coupled with data mining methods (SVM) | |
CN101832941A (zh) | 一种基于多光谱图像的水果品质评价装置 | |
CN103134765A (zh) | 一种基于太赫兹时域光谱的中药样品真伪初筛方法 | |
CN105717066B (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
Forina et al. | Artificial nose, NIR and UV–visible spectroscopy for the characterisation of the PDO Chianti Classico olive oil | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN101949686A (zh) | 水果内外综合品质在线无损检测方法及装置 | |
CN109993155A (zh) | 针对低信噪比紫外拉曼光谱的特征峰提取方法 | |
CN103293118A (zh) | 一种基于近红外光谱分析技术的潲水油鉴别方法 | |
CN101059452A (zh) | 基于多光谱成像技术的水果品质无损检测方法与系统 | |
CN203811536U (zh) | 一种基于多源信息融合的潲水油快速检测装置 | |
CN104502299A (zh) | 一种利用近红外光谱技术鉴别五常稻花香大米的方法 | |
CN105738340A (zh) | 基于傅利叶拉曼光谱的薰衣草精油品种的快速检测方法 | |
CN105628708A (zh) | 一种南疆红枣多参量品质快速无损检测方法 | |
CN107543795A (zh) | 一种烤烟产地的判别方法 | |
CN107328735A (zh) | 基于太赫兹光谱技术的油菜种类鉴别方法 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN106384116A (zh) | 一种基于太赫兹成像的植株叶脉识别方法及装置 | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN101158657B (zh) | 基于x射线荧光技术的茶叶产地鉴别方法 | |
CN204630927U (zh) | 一种赣南脐橙产地快速鉴别装置 | |
CN106501236A (zh) | 基于单脉冲激光诱导击穿光谱技术的大米中铜含量检测方法 | |
CN105403532A (zh) | 一种核桃粉产地的快速识别方法 | |
CN102680427A (zh) | 一种应用近红外光谱分析技术鉴别卷烟表香质量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170201 |
|
CF01 | Termination of patent right due to non-payment of annual fee |